1. Programistyczne (R, Python, JavaScript)
2. Programy graficzne (Inkscape).
3. Programy dedykowane do wizualizacji danych (Tableau).

ggplot(cbind(expand.grid(x = c("Imperatywne\n", "Deklaratywne\n"),
                         y = c("Proste do użycia", "Wszechstronne")), 
             software = c("Seaborn", "Bokeh\nR (ggplot2)\nLeaflet\nVega-Lite",  "Matplotlib\nR (base, grid)", "BQPlot\nD3\nPlotly\nVega")),
       aes(x = x, y = y, label = software)) +
  geom_tile(fill = NA, color = "black") +
  geom_text()  +
  theme_void() +
  theme(axis.text = element_text(color = "black"))

Deklaratywne:

• zadanie: warunki jakie musi spełniać wizualizacja,
• jak wizualizacja jest wykonywana jest rozstrzygane wewnętrznie i niezależnie od użytkownika,
• oddzielenie specyfikacji od wykonania.

Imperatywne:

• zadanie: krok po kroku jak stworzyć wizualizację,
• użytkownik w pełni kontroluje każdy detal wizualizacji,
• jeśli warunki jakie musi spełniać wizualizacja zmienią się nawet odrobinę, instrukcja tworzenia może się zmienić znacząco.

ggplot(cbind(expand.grid(x = c("Imperatywne\n", "Deklaratywne\n"),
                         y = c("Proste do użycia", "Wszechstronne")), 
             software = c("Seaborn", "Bokeh\nR (ggplot2)\nLeaflet\nVega-Lite",  "Matplotlib\nR (base, grid)", "BQPlot\nD3\nPlotly\nVega")),
       aes(x = x, y = y, label = software)) +
  geom_tile(fill = NA, color = "black") +
  geom_text()  +
  theme_void() +
  theme(axis.text = element_text(color = "black")) +
  ggtitle("Jakich narzędzi używamy w codziennej praktyce?")

https://altair-viz.github.io/gallery/simple_bar_chart.html

https://altair-viz.github.io/gallery/scatter_tooltips.html

https://altair-viz.github.io/gallery/line_with_ci.html

Pythonowe API dla Vega-Lite.

Brian Granger, uzasadniając stworzenie Altaira: I love Python, but do my visualisations using R/ggplot2.

• Małe wsparcie dla typowo stastycznych wizualizacji

Pakiet R: https://github.com/vegawidget/altair (używa reticulate).

https://demo.bokeh.org/movies

• Python jako API do BokehJS,
• praca głownie w Pythonie, JSowy silnik mało dostępny i źle udokumentowany,
• całe dashboardy.

• implementacja w R: https://github.com/bokeh/rbokeh
• Zarchiwizowany: 01.11.2023

Leaflet.js: interaktywne mapy.

W R: https://rstudio.github.io/leaflet/

W Pythonie: https://github.com/python-visualization/folium

https://matplotlib.org/

• trudne zarządzanie czasem na osiach,
• niesatysfakcjonujące mapowanie do kształtów.

Rozszerzenia: https://mpld3.github.io/

## `geom_smooth()` using formula = 'y ~ x'

https://seaborn.pydata.org/ - oparte na matplotlib.

Świetne szablony wizualizacji!

Pakiety w R: https://github.com/hrbrmstr/vegalite i https://github.com/vegawidget/vegawidget

JSONowa specyfikacja wizualizacji.

Lyra (nie zniechęcać się http://vega.github.io/lyra/).

Lyra 1.0 jest online i działa satysfakcjonująco: http://idl.cs.washington.edu/projects/lyra/.

Inkscape: darmowy i otwarty edytor grafiki wektorowej.

• Oficjalny tutorial.
• Inkscape w praktyce.

Tableau:

• https://www.tableau.com/products/tableau-ai

NL4DV:

• https://nl4dv.github.io/nl4dv/